检索结果-内蒙古大学图书馆

农业机械学报 2019年第8期50卷 257-263页

作者：赵燕东陈壮高志涛张鑫于福满北京林业大学工学院北京100083 林业装备与自动化国家林业局重点实验室北京100083 防灾科技学院综合减灾研究所三河065201 天津创世生态景观建设股份有限公司天津300110

针对基于驻波率(SWR)原理的土壤湿度传感器在长期工作中受温度影响的问题,提出基于二元回归分析法的温度补偿模型,利用最小二乘原理确定补偿模型的待定参数,对传感器进行温度补偿。从硬件电路和测量原理对SWR土壤湿度传感器的温漂特性... 详细信息

针对基于驻波率(SWR)原理的土壤湿度传感器在长期工作中受温度影响的问题,提出基于二元回归分析法的温度补偿模型,利用最小二乘原理确定补偿模型的待定参数,对传感器进行温度补偿。从硬件电路和测量原理对SWR土壤湿度传感器的温漂特性进行研究。使用高低温交变湿热实验箱,在设定温度5~45℃范围内进行实验,测试结果表明,在温度补偿前该传感器测量土壤体积含水率的最大绝对误差范围为-2.65%~2.22%,其最大相对误差为29.76%,最大均方误差为2.211 9%。将SWR土壤湿度传感器输出值与PT100型温度传感器输出值进行数据融合,基于最小二乘优化计算的二元回归分析法得到温度补偿模型,其拟合的决定系数为0.998。取不同温度下的实验数据进行补偿模型的验证,结果表明,SWR土壤湿度传感器进行温度补偿后,其测量结果的最大绝对误差范围为-0.26%~0.69%,最大相对误差不超过5.23%,均方误差较补偿之前减小一个数量级,且最大均方误差为0.157%。表明采用该温度补偿模型可以有效减小温度对SWR土壤湿度传感器的影响,提高其测量结果的精度和可靠性。

关键词： SWR土壤湿度传感器土壤体积含水率最小二乘法温度补偿

来源：评论

学校读者我要写书评

暂无评论

基于无人机可见光图像的云杉计数方法

引用

林业工程学报 2021年第4期6卷 140-146页

作者：朱学岩张新伟顾梦梦赵燕东陈锋军北京林业大学工学院北京100083 城乡生态环境北京实验室北京100083 德州农工大学园艺系大学城77843 林业装备与自动化国家林业和草原局重点实验室北京100083

目前苗木计数一般通过传统人工计数的方法完成,工作重复枯燥,主观性强,亟需快速准确的苗木计数替代方法。以无人机航拍的云杉可见光图像为对象,通过深度学习技术研究快速准确的云杉计数方法。利用大疆精灵4无人机拍摄云杉图像,按多样性... 详细信息

目前苗木计数一般通过传统人工计数的方法完成,工作重复枯燥,主观性强,亟需快速准确的苗木计数替代方法。以无人机航拍的云杉可见光图像为对象,通过深度学习技术研究快速准确的云杉计数方法。利用大疆精灵4无人机拍摄云杉图像,按多样性原则选出558幅;通过调整对比度系数和缩放比例系数,模拟不同光照条件和不同长势的云杉,扩充至1 674幅,按照7∶3的比例划分为训练集1 169幅和测试集505幅。在此基础上,根据YOLO v3(You Only Look Once v3)快速准确检测尺寸差异较大目标的优势,构建了YOLOv3云杉计数模型。根据经验设置训练权值衰减、初始学习率和批处理量分别为0.000 5,0.001和64。其中Darknet-53特征提取模块和多尺度预测模块分别提取云杉特征信息和检测云杉目标,检测到的云杉数量即为云杉计数结果。YOLOv3模型的平均计数准确率为90.24%,均方根误差45.82,欠估计、过估计和总误差分别为15.47%,19.25%和34.72%,处理速度0.415 s/幅。对比全卷积神经网络(fully convolutional networks, FCN)分割加Hough圆检测方法,YOLOv3模型平均计数准确率高出2.49%,均方根误差、欠估计、过估计和总误差分别减少29.32,6.7%,5.7%和12.4%。研究结果表明,YOLOv3模型是对计算机视觉角度云杉计数问题的有效探索。

关键词：苗木计数云杉计数深度学习无人机稠密目标 YOLOv3

来源：评论

学校读者我要写书评

暂无评论

基于TC-YOLO模型的北京珍稀鸟类识别方法

引用

生物多样性 2024年第5期32卷 123-137页

作者：李柏灿张军国张长春王丽凤徐基良刘利北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 北京林业大学生态与自然保护学院北京100083 包头师范学院生物科学与技术学院内蒙古包头014030

北京地区珍稀鸟类的保护对维护当地生物多样性具有重要意义。随着人工智能技术的发展,利用深度学习技术自动识别鸟类成为鸟类调查保护的重要手段。实际鸟类图像存在背景复杂以及相近科属鸟类具有外观相似等特点,导致模型识别精度不佳。... 详细信息

北京地区珍稀鸟类的保护对维护当地生物多样性具有重要意义。随着人工智能技术的发展,利用深度学习技术自动识别鸟类成为鸟类调查保护的重要手段。实际鸟类图像存在背景复杂以及相近科属鸟类具有外观相似等特点,导致模型识别精度不佳。针对以上问题,本文提出一种基于TC-YOLO模型的鸟类识别方法。首先,为解决鸟类识别中复杂背景导致的漏检问题,本文方法结合CARAFE(content-aware reassembly of features)机制,自适应生成不同特征点所对应的上采样核,在更大的感受野内聚合上下文语义信息,有效聚焦鸟类前景区域。其次,为解决鸟类识别中相似外观导致的误检问题,本文方法引入TSCODE(task-specificcontextdecoupling)解耦定位和分类任务,通过获取多层级特征图的信息以回归目标边界,并利用包含底层纹理和高层语义的特征进行物种分类,进而提高模型的鸟类识别精度。最后,本文开展对比实验以验证模型的性能。实验结果表明,TC-YOLO模型的平均精度均值在包含北京地区28种国家一级保护鸟类的自建数据集Beijing-28和鸟类公开数据集CUB200-2011上分别达到78.7%和75.3%,均优于已有方法,而且在公开数据集MS COCO上验证了TC-YOLO模型拥有较强的泛化性。本文提出的TC-YOLO模型对背景复杂或外观相似的鸟类图像都能有效识别,漏检率和误检率较低,能够为鸟类保护提供重要技术支撑。

关键词：珍稀鸟类图像识别 YOLOv5s 上采样解耦头

来源：评论

学校读者我要写书评

暂无评论

小型集材挂车满载工况下的有限元建模与分析

引用

森林工程 2024年第3期40卷 170-177页

作者：韩东涛马跃威刘晋浩崔小青呼伦贝尔学院内蒙古呼伦贝尔021000 北京林业大学工学院北京100083 国家林业和草原局林业装备与自动化重点实验室北京100083

小型集材挂车于林间作业存在多种工况,包括满载弯曲、满载扭转、紧急制动和急速转弯。为解决挂车在满载工况下车载系统的可靠性与安全性较差的问题,建立小型集材挂车的三维装配模型,进行静态分析。通过有限元分析,研究挂车在4种典型工... 详细信息

小型集材挂车于林间作业存在多种工况,包括满载弯曲、满载扭转、紧急制动和急速转弯。为解决挂车在满载工况下车载系统的可靠性与安全性较差的问题,建立小型集材挂车的三维装配模型,进行静态分析。通过有限元分析,研究挂车在4种典型工况下的结构变形和应力分布。研究表明,满载弯曲工况下,最大位移为4.5177 mm,最大应力为115.19 MPa,安全系数为3.08;满载扭转工况下,最大位移为0.98448 mm,最大应力为71.929 MPa,安全系数为4.935;满载制动工况下,最大位移为4.9946 mm,最大应力为120.05 MPa,安全系数为2.957;紧急转弯工况下,最大位移为4.3658 mm,最大应力为104.64 MPa,安全系数为3.39。结果显示研究设计的小型集材挂车在林间作业时满载工况下稳定性较强,确保木材的可靠采集和运输。基于该结果可进一步优化挂车设计和性能,以适应不断变化的需求和环境要求。

关键词：小型集材挂车 ANSYS仿真集材工况林木集材结构稳定性分析材料力学

来源：评论

学校读者我要写书评

暂无评论

基于遗传算法的六连杆机构尺寸优化设计

引用

锻压技术 2022年第7期47卷 184-193页

作者：吕明青邵珠峰徐道春王传英彭发忠北京林业大学工学院林业装备与自动化国家林草局重点实验室北京100083 清华大学机械工程系摩擦学国家重点实验室精密超精密制造装备及控制北京市重点实验室北京100084 济南二机床集团有限公司山东济南250022

为了使压力机具有更好的性能,需要对主传动机构进行尺寸优化设计。构建了一套完整的六连杆传动机构综合优化设计模型,首先建立了运动学与动力学模型,针对机构的运动稳定性、传力性能、位置精度及增力特性4方面进行分析,以滑块速度波动... 详细信息

为了使压力机具有更好的性能,需要对主传动机构进行尺寸优化设计。构建了一套完整的六连杆传动机构综合优化设计模型,首先建立了运动学与动力学模型,针对机构的运动稳定性、传力性能、位置精度及增力特性4方面进行分析,以滑块速度波动、压力角、侧向力和机构的机械增益为优化性能指标,通过统一量纲和线性加权的方式构造出反映综合性能的多目标优化函数,引入几何、位置以及行程约束,并添加压力机的工作空间和杆件不干涉等约束条件,采用遗传算法完成了多目标优化设计。结果显示:优化后的传动机构在工作阶段的速度波动降低了20.71%,最大侧向力降低了9.34%,最大压力角降低了9.16%,最大机械增益降低了5.52%,有效地提升了压力机的综合锻压性能。

关键词：六连杆机构运动稳定性传力性能位置精度增力特性多目标优化

来源：评论

学校读者我要写书评

暂无评论

基于改进的PSPNet网络的毛白杨根系自动分割量化系统

引用

浙江农业学报 2024年第2期36卷 424-431页

作者：张鹏翀韩巧玲席本野郑秋燕赵玥北京林业大学工学院北京100083 城乡生态环境北京实验室北京100083 智慧林业研究中心北京100083 国家林业和草原局林业装备与自动化国家重点实验室北京100083 北京林业大学省部共建森林培育与保护教育部重点实验室北京100083

针对毛白杨微根管图像中根系颜色不均匀、形态不一致、目标背景差异小的特点,以及现有根系图像处理软件无法批量分割的问题,提出一个基于深度学习网络的毛白杨根系自动分割量化系统。该系统包括根系图像自动分割和根系特征量化两个部分... 详细信息

针对毛白杨微根管图像中根系颜色不均匀、形态不一致、目标背景差异小的特点,以及现有根系图像处理软件无法批量分割的问题,提出一个基于深度学习网络的毛白杨根系自动分割量化系统。该系统包括根系图像自动分割和根系特征量化两个部分。首先,提出以EPSANet50为骨架的PSEPNet网络(pyramid scene efficient parsing network, PSEPNet)实现毛白杨根系图像的自动高精度分割;其次,使用骨架细化法提取根系中心像素轮廓;最后,运用数学统计方法提取根系数量、根系长度等多特征参数,实现对毛白杨根系特征的量化表达。结果表明:PSEPNet网络对毛白杨微根管根系图像具有良好的分割效果,其准确率为0.981 9,召回率为0.884 9,精确率为0.830 9,F1值为0.851 2,能够实现对根系数量、根系长度、根系投影面积等特征的量化,可为基于微根管技术对林木生长规律的研究提供技术支持和数据基础。

关键词：微根管毛白杨根系语义分割特征量化

来源：评论

学校读者我要写书评

暂无评论

青皮核桃挤压式捡拾机构的设计与试验

引用

南方农机 2024年第7期55卷 1-5,10页

作者：陕岩徐道春北京林业大学工学院北京100083 林业装备与自动化国家林草局重点实验室北京100083

【目的】我国核桃捡拾仍是人工收集,工作效率较低、劳动力成本逐年提高,且现有机械设备无法满足核桃捡拾要求。【方法】基于青皮核桃种植环境及物理参数,设计了一种挤压式青皮核桃捡拾机构,对机构的捡拾过程进行了理论与运动学分析,且... 详细信息

【目的】我国核桃捡拾仍是人工收集,工作效率较低、劳动力成本逐年提高,且现有机械设备无法满足核桃捡拾要求。【方法】基于青皮核桃种植环境及物理参数,设计了一种挤压式青皮核桃捡拾机构,对机构的捡拾过程进行了理论与运动学分析,且制作了样机进行了仿真分析,并选取30个不同尺寸青皮核桃进行了验证试验。【结果】捡拾机构工作时,质心运动速度波动较小,位移变化稳定,青皮核桃平均捡拾时间约为2.7 s,同时试验过程中捡拾机构产生的接触力最大为22.3 N,满足强度要求,青皮核桃捡拾无损率为98%。【结论】设计的装置可以满足青皮核桃采收作业的捡拾要求,结构简单,操作便利,工作效率高,大大降低了人工成本,具有广阔的应用前景。

关键词：青皮核桃挤压式捡拾机构动力学仿真

来源：评论

学校读者我要写书评

暂无评论

多特征融合的鸟类物种识别方法

引用

应用声学 2020年第2期39卷 199-206页

作者：谢将剑杨俊邢照亮张卓陈新北京林业大学工学院北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 先进输电技术国家重点实验室(全球能源互联网研究院有限公司) 北京102211

深度学习输入特征的选择直接影响其分类性能,为了进一步提高基于深度学习的鸟类物种识别模型的分类性能,该文提出一种多特征融合识别方法。该方法首先通过短时傅里叶变换、梅尔倒谱变换和线性调频小波变换分别计算得到鸣声信号的3种语... 详细信息

深度学习输入特征的选择直接影响其分类性能,为了进一步提高基于深度学习的鸟类物种识别模型的分类性能,该文提出一种多特征融合识别方法。该方法首先通过短时傅里叶变换、梅尔倒谱变换和线性调频小波变换分别计算得到鸣声信号的3种语图样本集,然后分别利用3种语图样本集训练3个基于VGG16迁移的单一特征模型,将3个模型的输出进行自适应加权求和实现融合,并修正了加权交叉熵函数以克服样本不平衡的问题,最后对语图进行分类实现鸟类物种的识别。以ICML4B鸣声库的35种鸟类为研究对象,对比了4种模型的平均识别准确率(MAP),结果表明特征融合模型较单一特征模型的MAP最大提高了0.307;选择输入语图的持续时间分别为100 ms、300 ms以及500 ms,对比不同持续时间下4种模型的测试MAP值,结果表明持续时间为300 ms时4种模型的MAP值均为最高;对比了不同信噪比下4种模型的识别效果,多特征融合模型的识别准确率随着信噪比的下降降低最少。说明在选择合适的语图持续时间后,该文提出的特征融合模型能得到更高的识别准确率,具有一定的抗噪能力,且训练参数少,更适合于少样本鸟类的识别。

关键词：鸟类物种识别深度卷积神经网络多特征融合

来源：评论

学校读者我要写书评

暂无评论

基于无人机图像和改进LSC-CNN模型的密集苗木检测和计数方法

引用

智慧农业（中英文） 2024年第5期6卷 88-97页

作者：彭小丹陈锋军朱学岩才嘉伟顾梦梦北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 城乡生态环境北京实验室北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 科罗拉多州立大学园艺与景观建筑系美国柯林斯堡80523

[目的/意义]快速、准确地统计密集种植的苗木数量对苗木经营管理具有重要意义。为解决无人机航拍的密集种植苗木图像中苗木粘连、尺度差异大的问题,提出以点标签数据为监督信号的改进密集检测计数模型(Locate,Size and Count,LSC-CNN),... 详细信息

[目的/意义]快速、准确地统计密集种植的苗木数量对苗木经营管理具有重要意义。为解决无人机航拍的密集种植苗木图像中苗木粘连、尺度差异大的问题,提出以点标签数据为监督信号的改进密集检测计数模型(Locate,Size and Count,LSC-CNN),同时实现苗木的检测和计数。[方法]改进的LSC-CNN模型通过将LSC-CNN模型特征提取网络的最后一层卷积替换为扩张卷积(Dilated Convolutions,DConv),实现在保留苗木细节特征的同时扩大感受野,帮助模型更好地理解上下文信息以区分粘连苗木。此外,在多个尺度分支前引入注意力机制(Convolutional Block Attention Module,CBAM)使模型聚焦于有助于苗木检测和计数的关键特征,以更好地适应不同尺度的苗木。为解决类别不平衡问题,提高模型的泛化能力,将损失函数替换为标签平滑交叉熵损失函数。[结果和讨论]经测试,改进LSC-CNN模型在456幅苗木图像的测试集上的平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)和平均计数准确率(Mean Counting Accurate,MCA)分别为14.24株、22.22株和91.23%,三项指标均优于IntegrateNet、PSGCNet、CANet、CSRNet、CLTR和LSC-CNN模型。[结论]改进LSC-CNN模型能够准确实现密集种植苗木的检测和计数,适用于多种树木的检测和计数工作。

关键词：无人机密集种植计数多尺度 LSC-CNN

来源：评论

学校读者我要写书评

暂无评论

一种对辊式无患子种子破壳机的设计与实现

引用

林业和草原机械 2021年第5期2卷 50-53,66页

作者：王雨欣徐之栋陈千一徐道春北京林业大学工学院北京100083 林业装备与自动化国家林草局重点实验室北京100083

无患子种壳和种仁具有分离的应用需求,为解决种壳坚硬和破壳飞溅问题,采用臼齿咀嚼的仿生原理,发明了一种Y形对辊式无患子种子破壳机。对其破壳过程最大受力情况进行了有限元分析,投产试制了样机,并对其进行了无患子种子破壳性能测试。... 详细信息

无患子种壳和种仁具有分离的应用需求,为解决种壳坚硬和破壳飞溅问题,采用臼齿咀嚼的仿生原理,发明了一种Y形对辊式无患子种子破壳机。对其破壳过程最大受力情况进行了有限元分析,投产试制了样机,并对其进行了无患子种子破壳性能测试。研究结果表明,Y形对辊式无患子种子破壳机的构思是可行的。该装置种子破壳率可达100%,其中高度破壳的种子占73.3%以上,对不同直径的无患子种子均能实现高效破壳。该装置能够较好地实现无患子种子的破壳功能,从而便于进行后续分离工艺,推动了无患子加工产业机械化。

关键词：无患子破壳机设计性能测试

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：